C++ 数据结构算法 学习笔记(28) -五大常规算法 - 动态规划算法

C++ 数据结构算法 学习笔记(28) -五大常规算法 - 动态规划算法

人工智能时代，各国都在大力研究机器人技术，也制造出各种各样的机器人，比如：为了解决男女失衡而制造 的美女机器人，假如你参与了某美女机器人的研发，你在这个项目中要求实现一个统计算法：如果美女机器人一次可以上1级台阶，也可以一次上2级台阶。求美女机器人走一个n级台阶总共有多少种走法。

分治法核心思想: ：从上往下分析问题，大问题可以分解为子问题，子问题中还有更小的子问题

比如总共有5级台阶,求有多少种走法；由于机器人一次可以走两级台阶，也可以走一级台阶，所以我们可以分成两个情况

• 机器人最后一次走了两级台阶，问题变成了“走上一个3级台阶，有多少种走法？”
• 机器人最后一步走了一级台阶，问题变成了“走一个4级台阶，有多少种走法？”

我们将求n级台阶的共有多少种走法用f(n)来表示,则

f(n)=f(n-1)+f(n-2);

由上可得f(5)=f(4)+f(3); f(4)=f(3)+f(2);

f(3)=f(2)+f(1);

边界情况分析

走一步台阶时，只有一种走法，所以f(1)=1 走两步台阶时，有两种走法，直接走2个台阶，分两次每次走1个台阶，所以f(2)=2 走两个台阶以上可以分解成上面的情况 这符合我们讲解的分治法的思想：分而治之

代码实现

#include <stdio.h>
#include <stdlib.h>
#include <iostream>
#include <string>

using namespace std;

int WalkCount(int n) //This method taking a lot of memory!
{
	if (n < 0) return 0;
	if (n == 1) return 1;
	if (n == 2) return 2;
	else
	{
		return WalkCount(n - 2) + WalkCount(n - 1);
	}
}

long long WalkCount2(int n) //Use the dynamic programming method
{
	long long ret = 0;
	if (n < 0) return 0;
	if (n == 1) return 1;
	if (n == 2) return 2;

	long long* values = new long long[n + 1];
	values[0] = 0;
	values[1] = 1;
	values[2] = 2;

	for (int i = 3; i <= n; i++)
	{
		values[i] = values[i - 1] + values[i - 2];
	}

	ret = values[n];
	delete [] values;
	return ret;
}

int main()
{
	int n = 0;
	cout << "Please enter the stage level number" << endl;
	cin >> n;
	
	for (int i = 1; i < n; i++)
	{
		cout << "Walking to the stage of "<<i<<" have " << WalkCount2(i) << " method" << endl;

	}
	

	system("pause");
	return 0;
}

上面第一个函数WalkCount 其实是一个很耗内存+很吃栈的程序,原因是它存在了很多重复的计算

比如: f(5)=f(4)+f(3)

计算分成两个分支：

f(4)=f(3)+f(2)=f(2)+f(1)+f(2);

f(3)=f(2)+f(1);

上面加粗的部分就是重复计算的部分!

问:有没有办法避免重复计算的部分?

答:有,其实我们可以从下向上分析推断问题

f(1)=1

f(2)=2

f(3)=f(1)+f(2)=3

f(4)=f(3)+f(2)=3+2=5

f(5)=f(4)+f(3)=5+3=8

因此,函数WalkCount2实现了这类的求解,这就是动态规划法!!!

动态规则法

动态规划也是一种分治思想，但与分治算法不同的是，分治算法是把原问题分解为若干子问题， 自顶向下，求解各子问题，合并子问题的解从而得到原问题的解。动态规划也是自顶向下把原问 题分解为若干子问题，不同的是，然后自底向上，先求解最小的子问题，把结果存储在表格中， 在求解大的子问题时，直接从表格中查询小的子问题的解，避免重复计算，从而提高算法效率。

什么时候要用动态规划？

如果要求一个问题的最优解（通常是最大值或者最小值），而且该问题能够分解成若干个子问题， 并且小问题之间也存在重叠的子问题，则考虑采用动态规划。

怎么使用动态规划？

五步曲解决：

1. 判题题意是否为找出一个问题的最优解
2. 从上往下分析问题，大问题可以分解为子问题，子问题中还有更小的子问题
3. 从下往上分析问题，找出这些问题之间的关联（状态转移方程）
4. 讨论底层的边界问题
5. 解决问题（通常使用数组进行迭代求出最优解）